基于深度强化学习的智能网联车辆换道轨迹规划方法

以提高智能网联车辆换道安全和效率，降低燃油消耗为目的，该文提出了一种基于深度强化学习的智能网联车辆（ICV）换道轨迹规划方法。分析复杂交通场景智能网联车辆换道功能需求，设计了分层式智能网联车辆换道轨迹规划架构；兼顾车辆安全和换道效率，设计了基于完全信息纯策略博弈的换道行为决策模型；解耦车辆纵横向运动状态，构造了以燃油消耗和乘客舒适度为目标的联合优化函数，提出了基于双延迟深度确定性策略梯度（TD3）的智能网联车辆纵横向换道轨迹规划方法，得到了车辆纵横向优化换道轨迹，并利用搭建的3个典型换道仿真场景，验证了算法的有效性。结果表明：与深度确定性策略梯度（DDPG）算法相比，提出的方法在左换道和右换道实验中的训练效率平均提升了约10.5%，平均油耗分别减少了65%和44%，而且单步轨迹规划时间在10 ms内，能够实时获取安全、节能、舒适的换道轨迹。